2026年，硅基浪潮席卷产业全域，面对全球资本市场的新周期，市场亟待厘清硅基新纪元最核心的产业变革是什么？企业突围核心的破局点在哪里？

6月29日，格隆汇举办的“2026--All in硅基新纪元”中期策略峰会中的圆桌讨论环节，邀请到格隆汇研究院院长张越聪、海致科技首席财务官何飞宏、粤港湾智算首席财务官黄治臣、商汤科技董秘办公室董事总经理盛世伟、乐动机器人首席财务官兼董事会秘书唐艳丽，四位行业大咖围绕“ALL-IN硅基新纪元:重构AI产业的底层逻辑与价值跃迁"主题进行了热烈讨论。

以下是格隆汇整理的圆桌论坛的精华，分享给大家。

01

硅基新纪元最核心的产业变革是什么？

主持人（张越聪）：当下市场频繁提及硅基替代碳基，但是很多人对这个概念理解会比较抽象。硅基新纪元最核心的产业变革是什么？和过去几年AI发展阶段最本质的区别在哪里？

何飞宏：从产业智能体的落地视角来看，AI的定位已经完成三轮核心迭代。

早期人工智能仅为基于结构化数据的辅助分析工具，到大语言模型时代升级为可处理结构化和非结构化数据的可以辅助决策的工具，而当下则进入了产业级智能体时代，AI正在实现从“工具”到“使用工具的人等效”的跨越。

硅基不再只是被动服务碳基，而是开始履行碳基的职能，延伸碳基的能力边界。

黄治臣：2023年我们刚开始做算力时，仍需反复向机构投资者以及合作方解释AI算力与挖矿的差异，而如今AI算力已升级为数字经济的核心生产资料，堪比水电煤的基础刚需。

从需求端来看，从2024年至今，中国人均token使用量超过1400倍，应用场景从单一的文字推理全面拓展至智能体场景。

从供给端来看，类似万卡级的算力订单交付周期已顺延至2027年，以前是算力服务商开保函拿订单，而现在是客户预付定金锁定产能。

从价值权重来看，算力也从过往的科研投入成本项，成为科技企业的战略发动机与核心营收增长点，未来算力规模、调度效率将直接决定AI算力企业的上限。

盛世伟：商汤科技在人工智能行业已经深耕十几年，对这方面深有体会，主要从三个方面来讲。

其一，AI完成从工具属性到生产要素的跨越，全面渗透生产的各个环节、流程以及决策当中。

其二，社会迎来智能平权，人工智能2.0的普及让所有企业站在同一智能底座上，过往依托知识不对称构建的商业模式将被侵蚀和颠覆，行业竞争逻辑全面重构。

其三，AI经济模型实现质变。以往行业面临规模不经济的困境，项目扩张伴随人力成本高企、边际成本不可控的难题。而当前AI对外服务的核心成本转化为标准化的算力、Token，规模化落地后边际成本持续下降，规模化发展正式具备商业价值。

唐艳丽：从机器人行业的视角来看，数字AI正向物理AI实现跃迁，很多人将2026年称为“物理AI元年”。如果说，过去十年AI主要服务于虚拟数字世界，未来十年物理世界将成为AI最大增量市场。

本质区别是AI“长出身体”，从虚拟世界走向现实世界，需要具身载体具备在复杂现实世界中自主环境感知、理解、决策和动态交互执行的能力，是从认知层到行动层的关键性跨越。

02

企业如何破局？

主持人（张越聪）：当前硅基AI产业链看似热度很高，但是仍然存在算力同质化内卷，大模型落地难等现实瓶颈，请问目前所在行业最大的瓶颈是什么？企业想要突围核心的破局点在哪里？

何飞宏：从产业AI落地层面，核心瓶颈是通用大模型的“概率智能”与产业场景“强确定性需求”的矛盾。

大语言模型本质为概率智能，存在天然的幻觉与漂移问题，这导致企业不敢将严肃场景直接交由AI执行。

因此，行业核心攻关方向，是实现AI从概率性推理向确定性落地执行的转型，核心解法是依托以本体为核心的工程化手段，将大模型通用推理能力与行业隐性知识、企业运作逻辑、碎片化业务流程等产业Know-How深度融合。

回顾行业发展，AI产业落地已历经三轮工程化阶段：

第一阶段是prompt工程，依赖提示词。

第二阶段为上下文工程，通过知识库补充信息。

其中，知识图谱是实现产业级智能体AI Harness的核心技术底座，以图数据结构承载复杂关系，明确对象、关系、属性，实现白盒推理，保障AI输出可解释、可追溯、可审计，这是产业端严肃应用的核心前提。

黄治臣：当前AI算力行业存在显著结构性发展瓶颈。

其一，算力区位供需错配。国内一线城市高功率机柜、西部低成本高功率机柜资源极度紧缺、供不应求，而非核心城市、非“东数西算”规划节点的IDC资源，则呈现供大于求的闲置状态。

其二，算力层级结构性内卷。行业低端算力产品同质化竞争激烈、盈利空间持续压缩，而适配高阶训练与推理需求的高端算力产能长期紧缺。

其三，行业客户结构风险偏高。多数上市算力服务商客户高度集中，普遍仅服务2~3家核心客户，部分企业第一大客户营收占比超90%，存在显著的履约风险与经营不确定性。

盛世伟：我认为相较于“行业瓶颈”的表述，当前AI产业更呈现出生产要素螺旋式上升的特征，很多生产要素是在需求提拉下交替进步的。如果说到AI在产业落地的痛点，我认为首先可以想到以下三个方面，解决办法需要AI企业和客户共同努力，需要一定的时间。

第一是数据适配。通用人工智能模型并未习得细分行业的专属知识，与具体产业、单体企业的业务场景存在天然差距，客户需要在AI企业的协助下适配精细化的产业工作需求。

第二是流程改造。企业现有岗位体系、业务流程均围绕碳基生命来搭建，AI落地后，大量传统流程显现错配、冗余、低效等问题，但企业难以在短期内完成全流程的AI化重构，需要在AI企业帮助下逐步提高渗透率。

第三，未来也可能会出现碳基生命与硅基生命的争夺位置的矛盾。

唐艳丽：从数字AI向物理AI迭代，最大瓶颈为高质量数据的缺失。

物理AI可使用的真实场景数据体量，相较数字AI存在数量级差距，行业公开可用数据仅为几十万至上百万小时规模。此外，真实世界数据的采集成本远高于数字AI。

受此影响，目前通用具身智能、人形机器人大多停留在POC测试、教育、演示展示场景，尚未实现大规模商业化落地。

03

公司未来的核心战略布局是什么？

主持人（张越聪）：结合硅基新纪元的长期趋势，公司未来1~2年的核心战略布局是什么？企业的核心价值亮点该如何被市场重新认知？

从价值重估来看，主要包含两个维度。

本文来自微信公众号： 格隆汇APP ，作者：格隆汇小编，原文标题：《拆解硅基时代投资新拐点！四位行业大咖共探AI下半场破局之道》